帖子详情0 条回复
vgotu · 9天前

谷歌推出Gemini Decisions API,多模态模型转向低延迟批量决策

谷歌于2026年11月11日宣布推出Gemini Decisions API,由Gemini Decision 1模型驱动,面向工具选择、内容审核、模型路由和上下文评估等需要“判断”而非长篇生成的场景。谷歌官方公告

据谷歌介绍,该接口可以在一次请求中处理文本、图片、音频、视频和PDF,并针对同一份输入同时评估最多1000个问题,支持是非判断、多项选择和有序评分三类结果。每个判断会返回概率或置信度,开发者可以据此把低置信度案例转交更强模型或人工审核。这里的能力和性能数字均来自谷歌自身披露,尚未在本文中独立复核。

其技术重点不是继续生成更多文字,而是减少逐词解码带来的延迟。谷歌称,Gemini Decision 1通过单次前向计算输出候选选项及其概率,在相关配置下模型计算延迟约为50至100毫秒,端到端延迟约为150至250毫秒;官方还称其输入价格为每百万token 0.10美元,输出token不收费。实际延迟和成本仍会受到输入模态、文件大小、并发量及部署环境影响。

这意味着多模态模型可能从“理解后回答”进一步转向“理解后分流”。例如,客服系统可以同时读取通话录音和账户信息,理赔系统可以联合分析扫描件与损坏照片,企业智能体则可以先用低成本决策接口判断是否需要调用深度推理模型。这样的架构有望降低简单判断的调用成本,但也会把风险集中到问题设计、候选项覆盖和置信度校准上。

对行业而言,值得关注的不是单一接口的基准排名,而是多模态能力是否能稳定嵌入业务控制流。若模型在图像、音频和视频混合输入下仍能保持可解释的概率输出,开发者就能更容易建立“自动处理—异常升级—人工复核”的分层流程;反之,置信度并不等于事实正确率,企业仍需用本行业数据进行误报、漏报和边界案例测试。谷歌公告中关于“领先基准”和成本优势的结论属于厂商披露,不能直接外推为所有任务中的普遍优势。

事件及资料日期:事件发生及公告发布日期均为2026年11月11日;文中性能、价格和应用案例以谷歌公告为准,未作独立实测。

资料来源:谷歌《Gemini Decisions API: Fast, calibrated multimodal decisions》,发布日期:2026-11-11。

参考来源:

由 AI 整理,仅供参考;请以原始来源为准。

最新回复

请先登录后再回复 登录